首页 > 数据分析 > 手游渠道数据分析方法探讨
2015
05-10

手游渠道数据分析方法探讨

作者:闫鹏,66team原创专稿,未经允许不得转载。

最近接手数据分析工作(手游渠道),谈谈我的思路。

一、ROI是唯一关心的

投入(Investment)我主要指给各游戏的曝光量。
产出(Return)我主要分为四类:

1、收入(洗)

游戏综合实力的考察。
同样的投入(曝光量),什么样的游戏收入高?
吸量好(曝光-下载转化率高)&长线留存高&付费能力强。
即普遍意义上的好游戏。

2、新用户(增)

如果游戏能给渠道带来新用户,最好不过。
一般是由于CP的市场行为,好IP、独家首发效果更好。
表现为游戏用户中,平台级新增用户占比高于均值。

3、用户满意度(养)

一个游戏既不吸金,又不带新增。
但是它好玩,用户爱玩,从而提升了用户对渠道的满意度。
那么也是值得投入的。
主要表现为较高的用户活跃度、忠诚度和粘性。

4、用户流失(损)

如果某个游戏的玩家的平台级流失率高于均值,就要注意了。
可能用户被挖走了,要赶紧找原因想办法。

二、两个数据模型

渠道能获取到的数据较为有限,可用于游戏的评级、筛选、分类、资源分配。
至于游戏数据的调优,还是交给CP去做吧,所谓术业有专攻。

1、三维数据模型

渠道数据主要有三个维度,通过建立三维模型,可以直观的进行数据统计、查询与分析。
CP同样适用,将下图的Y轴改为渠道即可。

手游渠道数据分析方法探讨 - 非常6游戏团队(66team) - 1

2、矩阵模型

渠道要分析各游戏质量,CP要分析各渠道质量,矩阵模型是个不错的选择。

手游渠道数据分析方法探讨 - 非常6游戏团队(66team) - 2

注意事项:
1、数据筛选:此图我已将日均ARPU、日均7留、日均DAU、和日均DNU数据值过低或数据量过少的游戏过滤掉。
2、异常数据处理:遇到数据异常,如留存过高,需找到原因,很有可能是数据量过少,此时可以调高数据筛选中的数据量要求;也有可能是其他原因;这样的数据我们需要过滤掉。也可以用简单的方法:设定合理取值区域,不在这个区域的值,不做求平均计算。

解读:
本图的横竖坐标轴我分别选择了ARPU和7日留存率,分别作为付费能力和留存能力的代表。
然后分别取两个指标数据的中位数作为原点,将图划分为四个象限。

发现:
1、ARPG普遍付费能力强,传奇类最典型。
2、挂机类游戏、玩法较新颖的游戏、和优质IP游戏普遍留存高。
3、部分老游戏数据表现很好,可以看到手游的生命周期可以做得很长。
4、也有经典大作流水高但各项数据均不好,除了DOU。

但是,上图还少了一个很重要的指标,那就是吸量能力。
我们可以把吸量能力作为第三个数据维度加入图中,即气泡图。

手游渠道数据分析方法探讨 - 非常6游戏团队(66team) - 3

注:气泡图的缺点是不够直观,不能展示过多数据。

通过这三个指标,我们基本可以确定游戏的综合品质。
我们还可以看到自家渠道的用户特征,用户喜欢哪类题材,用户喜欢为哪类游戏掏钱,用户玩哪类游戏上瘾……

三、智能排期设想

原理很简单:
1、保证新游有足够的初始曝光量,达到这个曝光量后,进入老游戏库。
2、老游戏根据ROI自动调整资源位,文首提到过四种ROI产出,需做综合考量,分配合适的权重。

这样可以更高效地利用资源位,并节省人力成本。

66TEAM游戏运营交流群:365709404,欢迎加入!

最后编辑:
作者:闫鹏
不脱离实际,不放弃梦想。

留下一个回复

你的email不会被公开。